enten data er strukturert eller ustrukturert, er det bare så verdifullt som forretningsresultatene det gjør mulig. Dataene i seg selv er imidlertid ikke den eneste faktoren som er ansvarlig for disse resultatene. Hvordan du måler disse dataene, fra et forretningsmessig synspunkt, hjelper deg med å knytte verdien av dataene til potensialet og støtter beslutninger som fører til positive forretningsresultater. For å komme dit, trenger du en big data analytics plattform.
når du har en plattform som kan måle langs de fire V-ene-volum, hastighet—variasjon og sannferdighet – kan du deretter utvide resultatene av dataene til å påvirke kundeoppkjøp, ombordstigning, oppbevaring, mersalg, kryssalg og andre inntektsgenererende indikatorer. Du kan også se på denne informasjonen som en konkurransedyktig strategi som gir tilsvarende forbedringer i driftseffektivitet og hjelper deg med å utnytte data på tvers av bedriften for andre tiltak.i løpet av det siste tiåret eller så har selskaper investert mye penger i å bygge datavarehus og business intelligence-systemer for å sikre datas kritiske rolle i å forbedre beslutningsprosesser. Jeg kaller dette » definitive verdien av data.»Det adresserer viktigheten forbundet med hvert enkelt dataelement som går inn i disse systemene, og hver enkelt rapport du genererer ut av dataene som for det meste er strukturerte data.på den annen side gir store data med volum, hastighet, variasjon og sannhet den «oppfattede verdien av data». Når man ser på de fire V-ene, er det for mye informasjon, og det meste er løst definert. Derfor mener eksperter at stort potensial ligger innenfor disse dataene, men har ennå ikke blitt utforsket. Utforske big data handler om å etablere sammenhenger mellom ting du ikke vet som kan føre til nye muligheter, i motsetning TIL BI-systemer der DU vet hvilken informasjon du vil ha og design systemer for å levere de spesifikke typer informasjon.ved for eksempel å bygge en stabil, kostnadseffektiv og svært responsiv skybasert datalagring og analyseløsning oppnådde et ledende farmasøytisk og forbruksvareselskap flere uventede fordeler som fremhevet den oppfattede verdien av data. Løsningen forbedret ikke bare styringen av selskapets daglige drift på tvers av salg, planlegging og kampanjer, men muliggjorde også neste generasjons datautvinning, inkludert big data processing og analysefunksjoner som informerte bedre beslutningsprosesser. Som et resultat brukte selskapet innsikt fra big data analytics for å utvikle nye strategiske kampanjer, dra nytte av uventede markedsskift og ligge foran nimbler-konkurrenter.
denne dybden av analyser kan være til nytte for bedrifter i alle bransjer. Globale produsenter produserer stadig økende mengder data som må sorteres og analyseres for forretningsinnsikt og rapporteringskrav. Unnlatelse av å håndtere disse dataene effektivt kan hemme effektiv beslutningstaking, redusere effektiviteten og føre til compliance problemer. Med en plattform for big dataanalyse kan produsentene oppnå robust og rask rapportering som sikrer vellykkede samsvarsrevisjoner. Og ved å nøye vurdere volum, hastighet, variasjon og sannferdighet, gir big data innsikten beslutningstakere trenger for å holde tritt med skiftende forbrukertrender.
i den digitale verden betyr dette at forståelse av kunden er av avgjørende betydning. Gitt denne antakelsen, la oss bruke noen målekriterier til kundens levetidsverdi (clv) for å forbedre og forbedre kunderelasjonshåndtering:
- Volumbasert verdi: Jo mer omfattende din integrerte visning av kunden og jo mer historiske data du har på dem, desto mer innsikt kan du trekke ut av det. I sin tur tar du bedre beslutninger når det gjelder å anskaffe, beholde, vokse og administrere disse kundeforholdene.
- Velocity-basert verdi: jo raskere du kan behandle informasjon i data-og analyseplattformen din, desto mer fleksibilitet får du til å finne svar på spørsmålene dine via spørringer, rapporter, oversikter, etc. En rask datainntak og rask analyse evne gir deg rettidig og riktig beslutning oppnå dine customer relationship management mål.
- Variasjonsbasert verdi: jo mer varierte kundedata du har – FRA CRM-systemet, sosiale medier, call-center logger, etc. – den mer mangefasetterte visningen du utvikler om kundene dine, slik at du kan utvikle kundereisekart og tilpassing for å engasjere seg mer med kundene.
- Veracity-basert verdi: Å Samle mye data betyr ikke at dataene blir rene og nøyaktige. Data om kunder må forbli konsolidert, renset, konsekvent og oppdatert for å ta de riktige beslutningene.
Så, hvordan legger du dollarverdi til noe av dette? Noen ganger kan riktig informasjon generert fra små data til rett tid utgjøre hele forskjellen. For eksempel fanget en big data-og analyseløsning for verdens største innbyggeridentifikasjonsprogram 150 TB data. Siden losningens distribusjon har mer enn 3500 svindelforekomster blant 1.5 millioner påmeldinger ble funnet-en verdifull innsikt som kan ha gått uoppdaget uten big data analytics evner.
i et annet eksempel brukte en STOR INTERNETT-LEVERANDØR en nettanalyseløsning for å identifisere kanaler med topp resultater og forbedre kundeengasjement og oppbevaringsmuligheter. Løsningen behandlet ustrukturerte data med redusert informasjonslatens. Bevæpnet med sanntidsanalyse fikk ISP innsikt som resulterte i økte inntekter og større kundelojalitet. Den slags penger går rett til bunnlinjen. Og flere bedrifter begynner å legge merke til.For Ikke lenge siden handlet det store flertallet av big data use cases om lavere totale eierkostnader (TCO), men etter hvert som teknologien fortsetter å modnes, er det flere brukstilfeller rettet mot topplinjens inntektsvekst eller nye muligheter for markedsskaping. For disse organisasjonene kan big data-initiativer starte med CIO og CTO for å etablere et» Big Data som Plattform » – konsept, men har raskt blitt utnyttet i hele bedriften for å levere forretningsverdier.Uansett om big data analytics støtter IT eller virksomheten, starter veien til å få større verdi fra big data ved å bestemme hvilke problemer du prøver å løse. Hvis DE største utfordringene ligger INNENFOR IT, vil brukstilfellene i stor grad bli drevet rundt temaer som driftseffektivitet og økt ytelse.
men hvis det er forretningsproblem som må løses, vil temaene ta et annet perspektiv, for eksempel kundereisekartlegging. Uansett, ved å bruke volum -, hastighet -, variasjons – og sannferdighetsbaserte verdier til big data-måling, forvandler bedrifter nå big data analytics fra et kostnadssenter til et profittsenter.
Følg @ DataconomyMedia
Soumendra Mohanty er en tankeleder og en autoritet innen informasjonshåndtering, business intelligence (BI), big data og analytics-området etter å ha skrevet flere bøker og publisert artikler i ledende tidsskrifter i data-og analyseområdet. Han har ledet team gjennom prosjektets livssyklus og hjulpet med å selge og levere data-og analyseprosjekter på tvers av flere bransjer, inkludert detaljhandel, forbruksvarer, megling, bank, produksjon, myndigheter, telekommunikasjon, e-detaljhandel og biovitenskap.
Bilde Kreditt: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0